一种基于分层自编码器的环境DNA数据降维方法与系统技术方案

本发明专利技术提供一种基于分层自编码器的环境DNA数据降维方法，属于生物信息学领域及数据处理技术领域。通过步骤：S1、数据预处理：将环境DNA数据划分为环境DNA丰度数据和环境DNA序列数据；S2、环境DNA丰度数据去噪；S3、对环境DNA序列数据进行长度均衡与翻译；S4、对样本的序列信息进行表示；S5、对环境DNA序列数据进行压缩；S6、利用差分自编码器VAE进行降维；将S2得到的所述去噪后的环境DNA丰度数据和S5得到的所述压缩编码后的环境DNA序列数据共同作为差分自编码器VAE的输入，将样本的维度进一步降低到二维潜在空间；S7、绘制二维空间的可视化结果图。实现了更好的保留环境DNA数据的信息，获得更准确的降维及可视化结果。

【技术实现步骤摘要】

本专利技术涉及生物信息学领域及数据处理，特别是涉及一种基于分层自编码器的环境dna数据降维方法与系统。

技术介绍

1、人类活动影响导致生态系统遭到破坏，生态功能严重退化并影响人类健康，便捷且准确可靠的生态监测技术对保护生态环境至关重要。环境dna技术是一种基于分子的生物多样性高效监测手段，在生态环境修复和自然资源保护方面具有极大的应用潜力。环境dna是从环境样品(水体、土壤、沉积物、空气、混合物等)中提取的dna，是各种生物的dna混合物，通过对环境中的dna进行提取，可以实现对生物多样性进行检测。但是由于环境dna数据的维度大，数据复杂，对获取到的环境dna数据，必须进行降维处理等操作，才能获取到环境dna数据中包含的有用信息。

2、目前对环境dna数据进行降维的方法大部分是一些传统的降维方法，如主成分分析pca、t分布随机邻域嵌入t-sne、非度量多维缩放nmds以及均匀流形逼近umap等。然而不同于其他数据，环境dna数据谱矩阵中分类单元数目远远大于样本数目，且由于测序的技术限制，有很高的概率将非零值判断为零，从而导致数据中存在大量假零值本文档来自技高网...

【技术保护点】

1.一种基于分层自编码器的环境DNA数据降维方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的一种基于分层自编码器的环境DNA数据降维方法，其特征在于，所述将预处理后的环境DNA丰度数据输入深度计数自动编码器DCA进行去噪，得到去噪后的环境DNA丰度数据，包括：

3.根据权利要求2所述的一种基于分层自编码器的环境DNA数据降维方法，其特征在于，所述深度计数自动编码器DCA的损失函数是ZINB似然的负对数，具体公式如下：

4.根据权利要求1所述的一种基于分层自编码器的环境DNA数据降维方法，其特征在于，所述为平衡序列长度而填充的核苷酸编码...

【技术特征摘要】

1.一种基于分层自编码器的环境dna数据降维方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的一种基于分层自编码器的环境dna数据降维方法，其特征在于，所述将预处理后的环境dna丰度数据输入深度计数自动编码器dca进行去噪，得到去噪后的环境dna丰度数据，包括：

3.根据权利要求2所述的一种基于分层自编码器的环境dna数据降维方法，其特征在于，所述深度计数自动编码器dca的损失函数是zinb似然的负对数，具体公式如下：

4.根据权利要求1所述的一种基于分层自编码器的环境dna数据降维方法，其特征在于，所述为平衡序列长度而填充的核苷酸编码n被翻译为[0.25,0.25,0.25,0.25]。

5.根据权利要求1所述的一种基于分层自编码器的环境dna数据降维方法，其特征在于，所述将代表样本序列信息的三维数组输入自编码器ae，对环境dna序列数据进行压缩，具体为：

【专利技术属性】
技术研发人员：王俊生，郭亚男，宋明珠，王月竹，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：